遥感图像分类方法综述
马 莉
(新疆疆海测绘院，新疆 乌鲁木齐 830000)
摘要：随着科学技术的不断发展,遥感技术应运而生,遥感图像作为遥感技术分析的重要依据而备受关注。笔者选取遥感图像分类方法为研究点,分别介绍了遥感图像分类方法的原始模式、基于新视角的遥感图像分类方法,并在此基础上展望了遥感图像分类方法的发展趋势。本次研究对于促进遥感图像的分类研究具有一定的推动作用。
关键词：遥感图像;监督分类;分类精度引言
遥感是指非接触的,远距离的探测技术。一般指运用传感器或者遥感器对物体的电磁波的辐射、反射特征的探测。具体来说,就是通过人造地球卫星上的遥测仪器把对地球表面实施感应遥测和资源管理的监视(如树木、草地、土壤、水、矿物、农家作物、鱼类和野生动物等的资源管理)结合起来的一种新技术。遥感技术系统包括四个基本的关键的要素,一是遥感平台,二是传感器,三是遥感数据接收及处理系统,四是分析系统。其中遥感数据是进行分析的重要依据,是遥感技术的核心。所谓的遥感数据是一种数字化的数据,是通过使用遥感器对地球表面的电磁波进行探测,然后再对其进行采样和量化所得到的。遥感图像是遥感数据的主要表现形式,于是越来越多的研究者将视角放在遥感图像上,本次笔者研究的主题就是遥感图像的分类方法。
一、遥感图像分类方法的原始模式
遥感图像的传统分类方法有两种,是以是否引入监督机制为划分界限法。1.在非监督分类方法的应用范围内非监督分类方法。
。非监督分类方法又叫做聚类分析方,不要求对遥感图像影像地物获取任何先前的知识基础,单单凭借提取遥感图像上不同种类地物光谱的信息特征就可以完成分类,主要依据的是图像自身表现出来的统计学特征。常用的算法有以下两种:K-均值聚类算法和迭代自组织数据分析法等类。2.。
进行监督分类的关键环节是训练区的选取监督分类方法。与非监督分类方法相对应的是监督分,一定要选择有代表性的训练区,在选择的时候有一个非常重要的因素就是遥感图像的地物光谱特征,一定要将这个因素纳入其中。对于样本数量来说也是有一定要求的,必须达到一定的数额并可以进行分类的。如果不能满足数量的要求或者超过阈值将大大降低分类器的精确程度。采用监督分类方法运用的算法有最大似然分类、最小距离分类、K-近邻分类等。二、遥感图像分类方法的新视角
随着科学技术的不断发展,遥感图像分类方法也有了新的发展,很多新的技术被引入,开辟了遥感图像分类方法的新视角。笔者列举了五项基于新技术的分类方式,以期让读者对遥感图像的现状有一个全面的了解理中1.,运用人工神经网络的输入层神经元来表征遥感图像的输人工神经网络。基于人工神经网络的遥感图像分类处。
入模式。具体来说,输入层内的神经元与光谱波段是一一对应的关系,同时,也对应着一种土地的覆盖类型。基于人工神经网络的遥感图像分类技术中包含的方法主要有BP神经网络、径向基函数神经网络等之前2.。
,需要先运用监督分类法亦或是非监督分类法把遥感图像复合分类方法。采用复合分类方法进行遥感图像分类大致进行分类,然后运用非监督分类法或者是监督分类法对上一步骤已经划分出来的几个大类今夕细致的划分,以达到需求
城市地理
为目的。恰当地运用复合分类法不仅能够将多种算法有效的结合起来,同时也能够避免多层神经网络在识别类别过程中出现学习速率缓慢的现象。因为一旦出现上述现象将不容易进行收敛,并且大大减少了迭代的次数著名的模糊理论3.模糊理论,。这一理论是对不确定性事物的描述1965年,美国加州大学的扎德教授提出了。
。根据隶属原则的不同对模糊理论的分类进行一系列的判别,从而将隶属度函数作为一项关键的因素贯穿于整个理论模型当中。在对现实中的模型进行分类时,常常会遇到一些意想不到的情况,比如所要分类的对象的特殊性,它并不属于论域里的某一个确定元素,可能是其中的模糊子集,这个时候所要研究的问题就不是某一个元素与集合的隶属关系了,而是两个模糊子集之间的贴近程度起了一个学习理论4.小波理论。
。—20——世纪小波分析80年代。由于小波分析理论的特殊性,在应用数学领域快速兴能即良好的时频局部特性,因此能够站在时域和频域两个不同的角度来对图像的特征进行精确的描述。为了让大家理解的更透彻,有人将小波函数比作一个带通滤波器的系统响应,将小波的变换比作是原始信号通过不同制度的滤波器进行滤波,再将信号进行分析,在不同的频带上进行分析。由于小波分析理论的上述特征决定了其应用的范围,包括图像降噪、分类、分割和压缩等向量机5.。支持向量机。
通常情况下。,以两类问题为基础遥感图像所设计到的问题并非单一,学者们提出了支持,而是会设计许多种类,要想让多类别分类问题得到解决就必须将两类SVM进行扩展。这对这一情况,广大学者纷纷各抒己见,提出了一系列感觉的方法:(1)对于多类SVM,可以组合几个二类分类器;(2)构造一个更大的最优化问题来进行分类。三、遥感图像分类方法的发展趋势
综合传统遥感图像分类方法和新技术下的遥感图像分类方法,笔者认为遥感技术的研究过程中,提升遥感图像的清晰显示,显而易见,在收集资料的整理的过程中,无疑为遥感图像分类的发展注入了新的活力,但是这些方法同时存在一定的不足。所以还需要在此基础上进行改进,达到较好的分类效果。笔者认为可以Cauchy而Cauchy训练的结合的方法从以下几个训练是随机调整权值。方由于面得,可能背离寻找全局极小点BP到算法容易陷入局部极小点改进:(1)BP算法与。所以,,将二者结合可以互相补充取得较好的效果。(2)优化距离度量方法。(3)选择多个代表类别的特征。如,将光谱体征和纹理特征相结合。基于像元的分析与基于光谱分析相结合。(4)基于核函数的分类方法。在核函数上进行突破。(5)遥感与地理信息系统一体化。(6)基于小波的神经网络分类方法的进一步研究以及基于模糊理论的神经网络的分类方法的研究。结语
综上所述,遥感图像分类方法主要就是这两种传统的方式和五种现代的新视角,有很多时候为了提高分类的精确度还要将多种方法有机的结合起来,然后根据实际需求进行选择
。参考文献：
[1]靳文戟,刘政凯.多类别遥感图像的复合分类方法[J].环境遥感,1995,10(4):298-302.
[2]周前祥,敬忠良.高光谱遥感图像联合加权随机分类器的设计与应用[J].测绘学报,2004,33(3):254-257.
134
遥感图像分类方法综述
马 莉
(新疆疆海测绘院，新疆 乌鲁木齐 830000)
摘要：随着科学技术的不断发展,遥感技术应运而生,遥感图像作为遥感技术分析的重要依据而备受关注。笔者选取遥感图像分类方法为研究点,分别介绍了遥感图像分类方法的原始模式、基于新视角的遥感图像分类方法,并在此基础上展望了遥感图像分类方法的发展趋势。本次研究对于促进遥感图像的分类研究具有一定的推动作用。
关键词：遥感图像;监督分类;分类精度引言
遥感是指非接触的,远距离的探测技术。一般指运用传感器或者遥感器对物体的电磁波的辐射、反射特征的探测。具体来说,就是通过人造地球卫星上的遥测仪器把对地球表面实施感应遥测和资源管理的监视(如树木、草地、土壤、水、矿物、农家作物、鱼类和野生动物等的资源管理)结合起来的一种新技术。遥感技术系统包括四个基本的关键的要素,一是遥感平台,二是传感器,三是遥感数据接收及处理系统,四是分析系统。其中遥感数据是进行分析的重要依据,是遥感技术的核心。所谓的遥感数据是一种数字化的数据,是通过使用遥感器对地球表面的电磁波进行探测,然后再对其进行采样和量化所得到的。遥感图像是遥感数据的主要表现形式,于是越来越多的研究者将视角放在遥感图像上,本次笔者研究的主题就是遥感图像的分类方法。
一、遥感图像分类方法的原始模式
遥感图像的传统分类方法有两种,是以是否引入监督机制为划分界限法。1.在非监督分类方法的应用范围内非监督分类方法。
。非监督分类方法又叫做聚类分析方,不要求对遥感图像影像地物获取任何先前的知识基础,单单凭借提取遥感图像上不同种类地物光谱的信息特征就可以完成分类,主要依据的是图像自身表现出来的统计学特征。常用的算法有以下两种:K-均值聚类算法和迭代自组织数据分析法等类。2.。
进行监督分类的关键环节是训练区的选取监督分类方法。与非监督分类方法相对应的是监督分,一定要选择有代表性的训练区,在选择的时候有一个非常重要的因素就是遥感图像的地物光谱特征,一定要将这个因素纳入其中。对于样本数量来说也是有一定要求的,必须达到一定的数额并可以进行分类的。如果不能满足数量的要求或者超过阈值将大大降低分类器的精确程度。采用监督分类方法运用的算法有最大似然分类、最小距离分类、K-近邻分类等。二、遥感图像分类方法的新视角
随着科学技术的不断发展,遥感图像分类方法也有了新的发展,很多新的技术被引入,开辟了遥感图像分类方法的新视角。笔者列举了五项基于新技术的分类方式,以期让读者对遥感图像的现状有一个全面的了解理中1.,运用人工神经网络的输入层神经元来表征遥感图像的输人工神经网络。基于人工神经网络的遥感图像分类处。
入模式。具体来说,输入层内的神经元与光谱波段是一一对应的关系,同时,也对应着一种土地的覆盖类型。基于人工神经网络的遥感图像分类技术中包含的方法主要有BP神经网络、径向基函数神经网络等之前2.。
,需要先运用监督分类法亦或是非监督分类法把遥感图像复合分类方法。采用复合分类方法进行遥感图像分类大致进行分类,然后运用非监督分类法或者是监督分类法对上一步骤已经划分出来的几个大类今夕细致的划分,以达到需求
城市地理
为目的。恰当地运用复合分类法不仅能够将多种算法有效的结合起来,同时也能够避免多层神经网络在识别类别过程中出现学习速率缓慢的现象。因为一旦出现上述现象将不容易进行收敛,并且大大减少了迭代的次数著名的模糊理论3.模糊理论,。这一理论是对不确定性事物的描述1965年,美国加州大学的扎德教授提出了。
。根据隶属原则的不同对模糊理论的分类进行一系列的判别,从而将隶属度函数作为一项关键的因素贯穿于整个理论模型当中。在对现实中的模型进行分类时,常常会遇到一些意想不到的情况,比如所要分类的对象的特殊性,它并不属于论域里的某一个确定元素,可能是其中的模糊子集,这个时候所要研究的问题就不是某一个元素与集合的隶属关系了,而是两个模糊子集之间的贴近程度起了一个学习理论4.小波理论。
。—20——世纪小波分析80年代。由于小波分析理论的特殊性,在应用数学领域快速兴能即良好的时频局部特性,因此能够站在时域和频域两个不同的角度来对图像的特征进行精确的描述。为了让大家理解的更透彻,有人将小波函数比作一个带通滤波器的系统响应,将小波的变换比作是原始信号通过不同制度的滤波器进行滤波,再将信号进行分析,在不同的频带上进行分析。由于小波分析理论的上述特征决定了其应用的范围,包括图像降噪、分类、分割和压缩等向量机5.。支持向量机。
通常情况下。,以两类问题为基础遥感图像所设计到的问题并非单一,学者们提出了支持,而是会设计许多种类,要想让多类别分类问题得到解决就必须将两类SVM进行扩展。这对这一情况,广大学者纷纷各抒己见,提出了一系列感觉的方法:(1)对于多类SVM,可以组合几个二类分类器;(2)构造一个更大的最优化问题来进行分类。三、遥感图像分类方法的发展趋势
综合传统遥感图像分类方法和新技术下的遥感图像分类方法,笔者认为遥感技术的研究过程中,提升遥感图像的清晰显示,显而易见,在收集资料的整理的过程中,无疑为遥感图像分类的发展注入了新的活力,但是这些方法同时存在一定的不足。所以还需要在此基础上进行改进,达到较好的分类效果。笔者认为可以Cauchy而Cauchy训练的结合的方法从以下几个训练是随机调整权值。方由于面得,可能背离寻找全局极小点BP到算法容易陷入局部极小点改进:(1)BP算法与。所以,,将二者结合可以互相补充取得较好的效果。(2)优化距离度量方法。(3)选择多个代表类别的特征。如,将光谱体征和纹理特征相结合。基于像元的分析与基于光谱分析相结合。(4)基于核函数的分类方法。在核函数上进行突破。(5)遥感与地理信息系统一体化。(6)基于小波的神经网络分类方法的进一步研究以及基于模糊理论的神经网络的分类方法的研究。结语
综上所述,遥感图像分类方法主要就是这两种传统的方式和五种现代的新视角,有很多时候为了提高分类的精确度还要将多种方法有机的结合起来,然后根据实际需求进行选择
。参考文献：
[1]靳文戟,刘政凯.多类别遥感图像的复合分类方法[J].环境遥感,1995,10(4):298-302.
[2]周前祥,敬忠良.高光谱遥感图像联合加权随机分类器的设计与应用[J].测绘学报,2004,33(3):254-257.
134